[发明专利]基于拼接图像的特征提取器生成方法、装置和计算机设备

权利要求书

1.一种基于拼接图像的特征提取器生成方法，其特征在于，所述方法包括：

将样本图像分割为预设数量的图像块；同一样本图像中相邻的图像块包含有共同区域，且各个所述图像块的尺寸相同；

对不同样本图像的图像块进行随机组合，得到由所述预设数量的图像块组成的拼接图像；

基于所述拼接图像，对预先构建的特征提取器训练模型中的特征提取器、聚类分支网络和定位分支网络进行联合训练，直至训练后的特征提取器满足预设训练条件时，将所述训练后的特征提取器作为基于拼接图像的特征提取器；所述聚类分支网络用于将属于同一样本图像的图像块进行聚合；所述定位分支网络用于确定属于同一样本图像的图像块在聚合后的图像中的位置。

2.根据权利要求1所述的方法，其特征在于，所述将样本图像分割为预设数量的图像块，包括：

根据样本图像的边长，确定图像块的分割面积；

按照所述图像块的分割面积对所述样本图像进行分割，得到所述样本图像对应的预设数量的图像块。

3.根据权利要求1所述的方法，其特征在于，所述对不同样本图像的图像块进行随机组合，得到由所述预设数量的图像块组成的拼接图像，包括：

生成拼接图像模板；所述拼接图像模板包含有所述预设数量的空位；

从图像块中，随机选取出所述预设数量的图像块作为目标图像块；所述预设数量的图像块来源于不同样本图像；

将所述目标图像块填入所述拼接图像模板的空位中，得到所述拼接图像。

4.根据权利要求1所述的方法，其特征在于，所述对预先构建的特征提取器训练模型中的特征提取器、聚类分支网络和定位分支网络进行联合训练，包括：

将所述拼接图像输入预先构建的特征提取器训练模型，通过所述特征提取器训练模型中的特征提取器，提取所述拼接图像的图像特征；

将所述图像特征分别传递至所述聚类分支网络和所述定位分支网络，使得所述聚类分支网络输出针对于所述图像特征的聚类预测结果，以及使得所述定位分支网络输出针对于所述图像特征的定位预测结果；

基于所述聚类预测结果、所述定位预测结果、所述聚类分支网络对应的损失函数和所述定位分支网络对应的损失函数，训练所述特征提取器。

5.根据权利要求4所述的方法，其特征在于，所述基于所述聚类预测结果、所述定位预测结果、所述聚类分支网络对应的损失函数和所述定位分支网络对应的损失函数，训练所述特征提取器，包括：

根据所述聚类分支网络对应的损失函数和所述定位分支网络对应的损失函数，构建与所述预先构建的特征提取器训练模型对应的目标损失函数；所述目标损失函数用于在训练过程中，基于所述聚类预测结果以及所述定位预测结果调整所述特征提取器的参数。

6.根据权利要求4所述的方法，其特征在于，所述将所述图像特征分别传递至所述聚类分支网络和所述定位分支网络，包括：

对所述图像特征进行解耦处理，得到所述预设数量的目标图像特征；

将所述预设数量的目标图像特征分别传递至所述聚类分支网络和所述定位分支网络。

7.根据权利要求6所述的方法，其特征在于，所述对所述图像特征进行解耦处理，得到所述预设数量的目标图像特征，包括：

对所述图像特征进行插值处理，得到放大后的图像特征；

通过对所述放大后的图像特征进行降采样处理，得到所述预设数量的目标图像特征。